策略测试仪的优化 - 页 15

 
Urain:

如果你要使用这样的动态长阵列,可能会有很大的变化。假设是最慢的FF函数,也不会把算法搞得太糟。这是事实,没有检查过算法本身,很难说重新设计会有多复杂。
我们已经在考虑扩大范围。
 
Renat:
已经在考虑扩大范围。

找到了这个,关于混合GA的文章还不错 http://masters.donntu.edu.ua/2006/kita/bashev/library/hybrid.html

一言以蔽之:二进制GA+准牛顿优化方法规则。

Интеллектуальные модели на основе гибридного генетического алгоритма с градиентным обучением лидера, Н.Б. Паклин, М.А. Сенилов, В.А. Тененев, ГОУ ВПО "Ижевский государственный технический университет", г. Ижевск, 2004
  • masters.donntu.edu.ua
Данный доклад в сентябре 2004 г. был опубликован в научно-теоретическом журнале "Искусственный интеллект" и апробирован на V Международной конференции "Искусственный интеллект-2004. Интеллектуальные и многопроцессорные системы" (20-25 сентября 2004 года, Крым, п. Кацивели, ссылка на печатный источник: Паклин Н.Б., Сенилов М.А., Тененев В.А...
 
Dmitriy2:

而我选择了一些参数,点击了测试...早上,我数了数跑步的次数,还剩下多少......。计算出离优化结束还有50天...我的电脑有4个核心+2个核心代理...去他妈的优化,关闭它...。

参数显然不是5-6个,其周期也不是一年:)))而且一般来说,优化结束前的剩余时间总是错误的(至少在MT4中是这样),优化越是进一步减少,优化结束的时间就越快,我在MT5中原来写的是450小时,但实际上我花了100小时左右。

 
Urain:

在这里我看到了一篇关于混合GA的好文章http://masters.donntu.edu.ua/2006/kita/bashev/library/hybrid.html

一言以蔽之:二进制GA+准牛顿优化方法规则。

很好的想法,但作者忽略了梯度方法的一个小特点,导致了实施中的严重问题--为每个适应性参数计算目标函数的偏导))。

但是,是的,这是一个天才的解决方案 ))))

假设这个问题已经解决了,仍然有一个选择沿梯度移动的步骤的问题

具有 "精英主义 "元素的同一个GA,以及人口中的大量个体,在合理的时间内关闭了这些问题

我们谈论的是一个几十位数的搜索空间。任何更大的东西都是浪费时间(根据个人经验,我断言,在历史上超过10万条的情况下,用30个适应性参数对多个TS进行优化,愚蠢地导致了重新训练)。

 
Renat:
我们已经在考虑扩大范围。
那就好了。我确实对大量的参数有合理的应用。
 

优化器不能处理64个参数,最大是62个,到了63个就已经死了(不详) :)

检查拖车中的专家,在那里也设置了文件。我不得不产生它以避免写作。

解决了生成八个正交向量的问题。

健身函数计算所有成对的标量积,并将其绝对值相加,符号相反。

也许我是愚蠢的幸运,但四次中的几次我都得到了一个完整的(正确的-零)结果。

固定几个(2-3个)向量,看着其他向量试图垂直对齐,也很有趣......。:)

它迅速解决了问题,这无疑是一件好事。

我不喜欢它在"优化结果"标签中显示最多20个待优化的参数。

// 在工作中出现了另一个错误--对于64个输入参数,它们在MetaEditor中不再被突出显示。它们只是作为常规变量显示。

--

脚本生成器也在拖车中。

生成专家顾问和适当 "维度 "的文件,维度是在生成过程中指定的参数。

当然,它是在.../MetaTrader 5\MQL5\Files文件夹中。

你也可以用较小维度的向量来玩。

// 我们正在等待。:)

顺便说一下,优化器甚至一次都没有解决五个向量的问题。 五个向量的最佳结果是CustomMax == -10

p.s. 后来:嗯,是的,我很笨,在set-file规定的条件下,奇数向量的最大结果==-n*(n-1)/2。

所以一切都很正确,基因算法总是能成功找到最大值。// 好吧,几乎是这样 :)

附加的文件:
 
Renat:
已经在考虑扩大范围。

耶!很高兴开发者终于意识到人们需要一个没有限制的测试器,如果mt5被定位为自动交易的新阶段,那么为什么计算量大的系统会在64点留下障碍,无论是NS还是其他。

我期待着一个带有修复功能的构建,并能够继续我在标准测试器上的项目。(因为从头开始写自己的测试器太贵了...)。

 
yu-sha:

很酷的想法,但作者忽略了梯度方法的一个小特点,导致了实施中的严重问题--计算每个适应性参数的目标函数的私有导数))。

但是,是的,这是一个天才的解决方案 ))))

假设这个问题已经解决了,仍然有一个选择沿梯度移动的步骤的问题

具有 "精英主义 "元素的同一个GA,以及人口中的大量个体,在合理的时间内关闭了这些问题

...

在计算没有偏导的梯度时,将需要在附近的几个测试点。有了它们FF,你也可以计算出每个参数的最小步长值。然后,这个步骤可以加倍(从最小的那个开始),直到下一个FF的点会比前一个小。在前一个上找到它,我们将再次计算梯度。然后继续。

 

每个人都很聪明--这太可怕了!

哦,你能不能好心地告诉我如何给我的双核添加更多的代理。

我在某处看到在测试(3D,或什么)上所有的飞行和飘动和代理在一半的屏幕上。

好吧,我很难忍受半小时或更长时间的2个设置(大约1200次)的测试。谢谢。

 
artall:

每个人都那么聪明--这太可怕了!

哦,你能不能好心地告诉我如何给我的双核添加更多的代理。

我在某个地方看到了一个测试(3D或什么),所有的东西都在半个屏幕上飞来飞去,飘来飘去,代理。

好吧,我很难忍受一个2个参数的测试(大约1200次)半个小时或更长的时间。谢谢。

在这个主题中聊天 -->多核心测试网络,为所有来者提供

有足够多的人详细研究过这个问题。